Key points are not available for this paper at this time.
Le rapport élevé entre la puissance de crête et la puissance moyenne (PAPR) détériore la performance des systèmes de multiplexage par répartition de fréquence orthogonale optique cohérente (CO-OFDM). L'apprentissage automatique (ML) a évolué pour devenir une technologie puissante afin de réduire le PAPR avec sa capacité d'apprentissage flexible. Nous proposons un schéma conjoint qui adopte le schéma de séquence de transmission partielle itérative (IPTS) en cascade avec un réseau neuronal feedforward (FNN) entraîné sur l'algorithme de compression et de filtrage par loi itérative (IMCF). Le schéma proposé réduit considérablement la complexité du schéma de séquence de transmission partielle (PTS), qui a un excellent effet de réduction du PAPR et des performances de BER. Notre méthode atteint une réduction de PAPR de 5,03 dB pour 10^{-4}\, \, CCDF et une distance de transmission supplémentaire de 200 km SMF pour 10^{-3}\, \, BER, par rapport au signal OFDM original. Pendant ce temps, la complexité computationnelle du schéma proposé est réduite de 32,4 %, par rapport au schéma IPTS en cascade avec IMCF (IPTS-IMCF).
Zhang et al. (Jeu,) ont étudié cette question.